使用校准变分近似的快速局部自适应贝叶斯分位数平滑
统计方法学
2023-10-23 v2
摘要
分位数是随机变量的有用特征，与均值等常用汇总统计量相比，它能提供关于分布的大量信息。在本文中，我们提出了一种贝叶斯分位数趋势滤波方法来估计分位数的非平稳趋势。我们引入了通用收缩先验，以诱导对趋势和不对称拉普拉斯似然的混合表示进行局部自适应贝叶斯推断。为了快速计算后验分布，我们开发了校准的平均场变分近似，以保证从近似后验获得的置信区间的频率论覆盖率达到指定的名义水平。模拟和实证研究表明，所提出的算法在计算上比 Gibbs 采样器高效得多，并且倾向于提供稳定的推断结果，特别是对于高/低分位数。
引用
@article{arxiv.2211.04666,
title = {Fast and Locally Adaptive Bayesian Quantile Smoothing using Calibrated Variational Approximations},
author = {Takahiro Onizuka and Shintaro Hashimoto and Shonosuke Sugasawa},
journal= {arXiv preprint arXiv:2211.04666},
year = {2023}
}
备注
51 pages, 7 figures. arXiv admin note: text overlap with arXiv:2202.09534